基于光谱植被指数的小麦灌浆速率时序性表型监测

摘要

为了解基于无人机多光谱传感器实现小麦籽粒灌浆速率（grain filling rate, GFR）的高通量无损监测效果，以565份小麦种质为材料，于2022和2023年，通过无人机采集灌浆期时序光谱植被指数（SVIs）,并同步实测粒重。利用Logistic函数拟合SVIs与粒重动态变化过程，筛选出与灌浆速率密切相关的红边叶绿素指数（CIRE）,基于随机森林回归（random forest regressor, RFR）、支持向量机回归（support vector regression, SVR）、线性回归（linear regression, LR）构建预测模型，并通过决定系数（r²）、均方根差（RMSE）评价其性能。结果表明，经Logistic拟合，两个生长季的SVIs与实测粒重动态曲线的r²分别达到0.87和0.92。CIRE的动态变化速率与灌浆速率呈显著正相关（r=0.40～0.43,P<0.05）。在预测中，RFR模型表现最佳，2022和2023年全数据集的r²分别为0.88和0.89,RMSE分别为0.27和0.32,显著优于SVR和LR模型。在特定品种数据集中，RFR模型同样具有较高的预测精度和泛化能力。因此，基于无人机多光谱数据，通过CIRE与RFR结合可实现小麦灌浆速率高通量监测，为小麦种质资源快速评价及抗逆性育种提供技术支持。

关键词

小麦 / 灌浆速率 / 光谱植被指数 / 无人机

基金资助

国家重点研发计划项目